Streitkräfte müssen sich weiterentwickeln, um ihren Gegnern einen Schritt voraus zu sein, was zu einem flexibleren und skalierbareren Ansatz zur Erkennung, Analyse und Reaktion auf Bedrohungen führt.
Die US Air Force hat kürzlich ihr erstes "Compass Call"-Flugzeug außer Dienst gestellt. Das 1982 gebaute Flugzeug enthielt spezielle Funktionen wie Ortung, Abhören und Störung der feindlichen Kommunikation. Infolgedessen könnten die Systeme in diesem Flugzeug die Kommunikation und Koordination von Armeen stark beeinträchtigen. Diese fortschrittlichen Fähigkeiten stellten den Betrieb für fast vier Jahrzehnte sicher. In dieser Zeit begannen sich jedoch die Nutzung und der Betrieb des elektromagnetischen (EM) Spektrums in Konflikten viel schneller zu entwickeln, was zu viel komplexeren EW-Anwendungen führte. Verschiedene Markt- und Technologietrends sind zusammengekommen, um das ständige Auftreten neuer Bedrohungen zu bekämpfen, was eine Herausforderung für moderne Militäreinheiten darstellt, die diese sich schnell entwickelnden Bedrohungen rechtzeitig erkennen müssen. EW wird typischerweise als Kriegsführung im elektromagnetischen (EM) Spektrum definiert, was bedeutet, dass alles, was in der Hochfrequenz (RF)-Umgebung arbeitet, als Teil von EW betrachtet wird. Elektromagnetische Operationen zielen auf viele Aspekte der EW-Umgebung ab, von Radar und Störsendern bis hin zu militärischer Kommunikation.
Alles, was per Funk kommuniziert, könnte ein Ziel/Ziel sein. EW-Systeme nutzen das elektromagnetische Spektrum, um Kommunikation, Sensoren und Verteidigung zu unterstützen. Das Entschärfen dieser Fähigkeiten bedeutet, dass dem Gegner die Kommunikations- oder Navigationsfähigkeit entzogen wird. Signalintelligenzsysteme können auch Informationen sammeln oder Ziele finden. Sogar kleine Gegner können kommerziell verfügbare Technologien wie GPS-Störgeräte (Global Positioning Systems) nutzen. Beispielsweise könnte ein Angriff auf die Schifffahrt die Fähigkeit der Armee gefährden, Operationen zu synchronisieren. Und noch alarmierender ist die Möglichkeit, dass das Cybersystem des Gegners ungenaue Positions-, Zeit- oder Navigationsinformationen liefert. Diese Möglichkeit könnte zu Problemen führen, die von Verwirrung bis hin zu schrecklichen Unfällen reichen. Bedrohungen müssen keinen sichtbaren Angriff ausführen, wenn sie stattdessen einen Fehler in der Kommunikation, Koordination und anderen Vorgängen verursachen können.
Die neue Landschaft in EW
In jedem EW-Konflikt ist der Sieger derjenige, der am schnellsten durch das EM-Spektrum manövrieren kann, indem er sich technologische Fortschritte zunutze macht. Trotzdem haben die Bedrohungen an Zahl und Komplexität zugenommen, einer der Gründe dafür ist die technologische Verfügbarkeit. Vor einem Jahrzehnt war dieses Schlachtfeld die Domäne einiger weniger Spieler. Die technologischen Fähigkeiten und Investitionen, die erforderlich sind, um in EW zu dominieren, hinderten andere daran, konkurrierende EW-Fähigkeiten zu entwickeln. Da kommerzielle Elektronik billiger und zugänglicher geworden ist, sind jedoch Gegner aller Größen in den Kampf eingetreten. Sogar kleine Gegner haben jetzt möglicherweise ein Arsenal konkurrierender Bedrohungen, wodurch die Umgebung gefährlicher und unberechenbarer wird. Bei einer so niedrigen Eintrittsbarriere kann jeder mit den richtigen Kenntnissen und Fähigkeiten genug Ausrüstung anhäufen, um eine Bedrohung darzustellen. Auch Software Defined Radio (SDR)-Systeme brachten eine Veränderung in die EW-Szene. Ursprünglich wurden SDRs in ein rekonfigurierbares Funkgerät übersetzt, das sich ausschließlich auf Software stützte, wobei die Analog-Digital-Wandlung direkt an der Antenne erfolgte.
Moderne SDRs nehmen jedoch oft komplexere Formen an, mit Änderungen an ihrer Betriebsfrequenz, Modulation, Betriebsbandbreite und ihrem Netzwerkprotokoll, ohne ihre Systemhardware zu ändern. Da sich die Geschwindigkeiten für die digitale Signalverarbeitung (DSP) und Analog-Digital-(ACD)-Wandler beschleunigen, findet mehr Signalverarbeitung in digitaler Form statt. Durch die Nutzung solcher Systeme können Streitkräfte ihre Bedrohungssysteme leichter aktualisieren. Das schnelle Tempo des Wandels kommerziell verfügbarer Dual-Use-Technologien und softwaredefinierter Systeme treibt einen Großteil der Vielfalt und Komplexität zukünftiger Bedrohungen voran. In Zukunft wird erwartet, dass der größte Einfluss der EW von Technologien der künstlichen Intelligenz (KI) ausgehen wird. Das Tempo des Wandels kommerziell verfügbarer Dual-Use-Technologien und softwaredefinierter Systeme treibt sowohl die Vielfalt als auch die Komplexität zukünftiger Bedrohungen stark voran. Mit der Hinzufügung von KI werden diese Bedrohungen auch aus jedem Konflikt lernen, wodurch sie sich in Zukunft mit größerer Wahrscheinlichkeit durchsetzen werden.
Bedrohungen nehmen verschiedene Formen an
Als Folge dieser technologischen Sprünge werden Bedrohungen immer raffinierter. Die Bedrohungen der Vergangenheit waren statischer Natur, tauchten immer gleich auf und verhielten sich gleich. Die heutigen Bedrohungen sind reaktionsschnell und ihr Verhalten ändert sich je nach Szenario. Wenn ein Gegner beispielsweise eine reaktive Bedrohung blockiert, ändert er die Frequenz oder ergreift andere Maßnahmen, um diese Blockierung zu vermeiden. Gegner müssen nun davon ausgehen, dass sich eine Bedrohung ändern kann, und sich darauf vorbereiten, entsprechend zu reagieren. Häufig werden solche Bedrohungen als kognitiv oder adaptiv beschrieben. Obwohl Menschen diese Begriffe synonym verwenden, gibt es viele Ebenen der Anpassungsfähigkeit. Die meisten davon kommen nicht einmal annähernd an die Fähigkeiten kognitiver EW heran. Mithilfe von maschinellem Lernen können kognitive EW-Systeme in eine Umgebung eintreten, ohne die Fähigkeiten des Gegners zu kennen, und das Szenario schnell verstehen. Indem sie etwas tun, das das System des Gegners zu einer Reaktion veranlasst, können sie ihre Reaktion abschätzen. Sie können eine effektive Reaktion entwickeln, die für das jeweilige System ihres Gegners geeignet ist. Im Gegensatz dazu können adaptive Lösungen ein neues Szenario nicht schnell erfassen und auf originelle Weise darauf reagieren. Beispielsweise kann ein adaptives Radar die Umgebung erfassen und die Übertragungseigenschaften nach Bedarf ändern, indem es für jede Übertragung eine neue Wellenform bereitstellt oder die Impulsverarbeitung anpasst. Diese Flexibilität kann es Ihnen beispielsweise ermöglichen, die Auflösung Ihres Ziels zu verbessern. Viele gegnerische Systeme erfordern nur eine einfache Softwareänderung, um Wellenformen zu ändern, was die Unvorhersehbarkeit des Aussehens und Verhaltens von Wellenformen erhöht. Streitkräfte streben danach, adaptive Radarimpulse von anderen Signalen, eigenen oder feindlichen, zu isolieren. Da diese Bedrohungen immer anpassungsfähiger werden, müssen Ihre Gegner in noch kürzerer Zeit darauf reagieren.
Die Auswirkungen des maschinellen Lernens
Mit KI arbeiten und reagieren intelligente Maschinen fast wie Menschen. Maschinen können dann mithilfe von Funktionen wie der Signalerkennung intelligentere Aufgaben ausführen. Maschinelles Lernen geht noch einen Schritt weiter und ermöglicht es Maschinen, kontinuierlich aus Daten zu lernen und sich entsprechend anzupassen. Diese Computer lernen im Laufe der Zeit sehr schnell. Bedrohungen, die maschinelles Lernen verwenden, lernen weiterhin aus jedem Konflikt und ermitteln Wege, um effektiver zu sein, damit sie sich gegen zukünftige Gegenmaßnahmen durchsetzen können. Diese Entwicklung erfolgt ohne die Notwendigkeit menschlicher Interaktion, da der Computer entscheidet, wie das Verhalten geändert werden soll. Wenn diese Bedrohungssysteme getestet oder betrieben werden, lernen sie aus Erfahrungen.
Dadurch verändern sie ihr zukünftiges Verhalten, was bedeutet, dass der Computer über die nächsten Schritte entscheidet. Aufgrund des unvorhersehbaren Verhaltens des Systems können selbst die Personen, die es implementiert haben, sein genaues Verhalten nicht vorhersagen. Wenn Bedrohungssysteme mit maschineller Lerntechnologie vorankommen, werden sie ihr Verhalten oder ihre Vorgehensweise immer schneller anpassen und ändern. Wenn ein Radar beispielsweise versucht, ein Überschallflugzeug zu verfolgen, können die Gegenmaßnahmen des Gegners den Erfolg des Radars verhindern. Durch maschinelles Lernen müsste das Radar immer wieder neue Ansätze ausprobieren, um erfolgreich zu sein. Heutige Maschinen verfügen über eine um Größenordnungen höhere Intelligenz als ein menschlicher EW-Experte, da sie aus Daten lernen, die ständig hinzukommen.
Eine sich ständig verändernde Zukunft
Aufgrund der Fülle neuer und moderner reaktionsfähiger Bedrohungen konkurrieren Militärkräfte um die Kontrolle über das EM-Spektrum. Die Beherrschung des gesamten Spektrums ermöglicht es ihnen, feindliche Streitkräfte zu erkennen, zu täuschen und zu stören und gleichzeitig ihre eigene Armee zu schützen. Wenn diese Dominanz erreicht ist, müssen die Streitkräfte ihre EW-Bedrohungen und Gegenmaßnahmen ständig erneuern, um in dieser führenden Position zu bleiben. Um mit dem sich ständig ändernden Bedrohungsumfeld Schritt zu halten, fordern Streitkräfte flexible und skalierbare Lösungen. Ein gemildertes Risiko heute mag in sechs Monaten kein Problem mehr sein, was die Streitkräfte in die Lage versetzt, ständig einer neuen Bedrohung oder sogar einem neuen Feind gegenüberzustehen. Unvollständige und nicht aggregierte Daten verhindern, dass Militärkräfte ein klares Bild von Bedrohungen erreichen oder erstellen können.
Ihnen fehlt eine Methodik, mit der sie auf diese Bedrohungen testen können. Dieses Problem ergibt sich aus herkömmlichen EW-Bedrohungssimulationssystemen. Sie verwenden Datenbanken mit bekannten Bedrohungen, denen normalerweise Gegenmaßnahmen zugeordnet sind. Solche Ranglisten bekannter Ziele sind nicht mehr so effektiv, da sie schnell veraltet sind. Diese Systeme wurden nicht entwickelt, um Bedrohungen in der EM-Umgebung zu identifizieren und zu isolieren und spontan Gegenmaßnahmen zu bestimmen.
Selbst wenn sie neue Signale verarbeiten können, sind solche Systeme ein zeitaufwendiger Prozess. Für denjenigen, der die Drohung ausspricht, sammelt das Militär Informationen über einen Signaltyp, wie z. B. Frequenz oder Impulswiederholungsintervall (PRI). Sie senden diese Informationen an ein Labor, wo sie analysiert werden, um weitere Informationen zu erhalten und Gegenmaßnahmen zu entwickeln. Bis diese Informationen für Sie im System verfügbar sind, vergehen Monate. Im Zukunftsszenario wird der Gegner ein vollständigeres Bild der Operationen haben. Aufbauend auf der Transformation des vorangegangenen Jahrzehnts versprechen die nächsten 10 bis 20 Jahre schnellere und fortschrittlichere technologische Entwicklungen. Viele sagen voraus, dass die Entwicklungen im maschinellen Lernen und der künstlichen Intelligenz die weitere starke Entwicklung von EW vorantreiben werden. Die EW-Bedrohungsumgebung wird drastische Verarbeitungsverbesserungen nutzen, beispielsweise die Verwendung mehrerer Geräte, um mehr Informationen in kürzerer Zeit bereitzustellen. Sensortechnologien werden auch eine größere Rolle bei der Sammlung von Informationen über das Konfliktgebiet spielen. Neue Codiertechniken führen bereits zu immer komplexeren, vernetzten und korrelierten Sensoren.
Diese technologischen Innovationen werden neue Bedrohungen mit der Fähigkeit erzeugen, Wissen zu akkumulieren und Antworten bereitzustellen, die neue Wege finden werden, um im EM-Spektrum an Macht zu gewinnen. Während sich die Technologien weiterentwickeln und ständig neue Bedrohungen auftauchen, gibt es eine Konstante: Die militärische Macht, die die Frequenzdominanz erreicht und behält, wird auch die EW-Arena dominieren.
